位置社交网络中基于签到数据的好友推荐系统研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 研究背景及意义 | 第15-19页 |
| 1.1.1 研究背景 | 第15-18页 |
| 1.1.2 研究意义 | 第18-19页 |
| 1.2 国内外发展现状 | 第19-21页 |
| 1.2.1 位置社交网络中的推荐系统研究现状 | 第19-20页 |
| 1.2.2 考虑时间的推荐系统研究现状 | 第20-21页 |
| 1.2.3 位置社交网络中的好友推荐研究现状 | 第21页 |
| 1.3 问题和挑战 | 第21-22页 |
| 1.4 本文主要内容和组织结构 | 第22-23页 |
| 1.5 本章小结 | 第23-25页 |
| 第二章 基础知识简介 | 第25-33页 |
| 2.1 推荐系统 | 第25-28页 |
| 2.2 相对熵 | 第28-29页 |
| 2.3 TF-IDF | 第29-31页 |
| 2.4 余弦相似度 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于语义与时间的好友推荐方案 | 第33-45页 |
| 3.1 存在问题及解决思路 | 第33页 |
| 3.2 方案流程 | 第33-37页 |
| 3.2.1 压缩用户-地点矩阵 | 第34-35页 |
| 3.2.2 使用TF-IDF量化签到信息 | 第35-36页 |
| 3.2.3 计算相似度做出推荐 | 第36-37页 |
| 3.3 实验与结果分析 | 第37-44页 |
| 3.3.1 实验设置 | 第37-42页 |
| 3.3.2 实验结果 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于时间分布相对熵的好友推荐方案 | 第45-59页 |
| 4.1 存在问题及解决思路 | 第45页 |
| 4.2 方案流程 | 第45-49页 |
| 4.2.1 查询语义信息 | 第46-47页 |
| 4.2.2 计算相对熵 | 第47页 |
| 4.2.3 选取地点类别并做出推荐 | 第47-49页 |
| 4.3 实验与结果分析 | 第49-57页 |
| 4.3.1 机器学习 | 第49-50页 |
| 4.3.2 实验设置 | 第50-53页 |
| 4.3.3 实验结果 | 第53-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-63页 |
| 5.1 本文总结 | 第59-60页 |
| 5.2 未来展望 | 第60-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 作者简介 | 第69-70页 |
